Прежде чем мы приступим к этому проекту идентификации бурых медведей, нам нужно было выяснить, что уже сделано. Оказывается, существует ряд проектов по идентификации животных и исследовательских работ. Пока ничего подходящего сразу для бурых медведей мы не нашли.
Уайлдбук
Один из проектов, с которым мы столкнулись и который на первый взгляд казался очень многообещающим, был Проект Университета Манитобы с отпечатками белых медведей. Целью этого проекта является идентификация отдельных белых медведей (Ursus maritimus) по предоставленным пользователями фотографиям и видео. Насколько мы можем судить, в проекте используется алгоритм распознавания образов на пятнах усов белого медведя или шрамах на лице. Вот пример с их страницы Фотосъемка белого медведя:
Мы видели научные статьи именно по этой теме, например, статью Карлоса Андерсона 2007 года Индивидуальная идентификация белых медведей по рисунку пятен усов». Хотя у бурых медведей также есть эти черты лица, мы не думаем, что они достаточно заметны из-за низкого контраста с их более темным мехом.
Мы провели дополнительное исследование Wildbook, который представляет собой программную среду с открытым исходным кодом для поддержки совместных исследований по метке-повторному захвату, молекулярной экологии и социальной экологии, особенно там, где необходимо включать данные гражданской науки и управлять ими. Он разработан некоммерческой организацией Wild Me. В ряде проектов Wildbook используется для таких видов, как тюлени, акулы, гепарды и киты. Как и в случае с белыми медведями, все эти проекты, похоже, выполняют идентификацию на основе узоров на мехе, коже, хвосте и т. д.
Слоем компьютерного зрения Wildbook является Экологическая информационная система на основе изображений (IBEIS). Согласно Странице науки/технологий IBEIS, текущая версия Wildbook — это версия 6. Анализ изображений для версии 6 основан на HotSpotter, который, в свою очередь, основан на stripespotter. Как и предполагалось ранее, эти проекты сосредоточены на сопоставлении узоров, таких как полосы и пятна (см. статью HotSpotter). Тем не менее, версия 7 Wildbook начнет определять черты лица и контекст окружающей среды. Предполагается, что бета-версия появится в июне 2017 года.
Wildbook Version 7 звучит многообещающе для нашего проекта бурого медведя, поэтому мы обязательно будем следить за их репозиторием GitHub.
Сеть сотрудников Lion Identification
Lion Identification Network of Collaborators (LINC) — еще один интересный проект, с которым мы столкнулись. LINC — это общая база данных с открытым исходным кодом и система распознавания лиц, которая позволяет исследователям и защитникам природы наблюдать за львами в обширных ландшафтах. Тот факт, что они используют программное обеспечение для распознавания лиц для идентификации львов, звучит очень интересно. Они используют классификатор HAAR для обнаружения морд львов, а затем нейронную сеть, работающую в Caffe для распознавания лиц. Это похоже на метод, который мы рассматривали для бурых медведей. Проект также с открытым исходным кодом (ЛИНК на GitHub).
Неясно, может ли метод, разрабатываемый ЛИНК, работать непосредственно для бурых медведей. Предположительно, нам придется переобучить как классификатор распознавания лиц, так и сеть распознавания лиц. Также вероятно, что для бурых медведей нам, возможно, потребуется включить больше головы, так как может быть недостаточно данных в близком разрезе лица. Мы ожидаем, что уши будут ключевым маркером для бурых медведей. Мы связались с командой разработчиков IEF R&D, чтобы узнать, как мы можем принять участие.
Другие проекты
Некоторые другие проекты, которые мы рассматриваем, включают:
- Полуавтоматическая система аудиовизуальной идентификации видов и индивидуумов для поведенческих экологических исследований и сохранения (SAISBECO) — проект Института Фраунгофера по идентификации человекообразных обезьян по аудио- и видеоданным (скриншот показан выше).
- WILDLABS.NET — сообщество для обмена информацией, идеями, инструментами и ресурсами для поиска и внедрения технологических решений некоторых из самых серьезных проблем сохранения, стоящих перед нашей планетой.
- Deepsense.io’s Right Whale Recognition — победитель конкурса Kaggle, спонсируемого NOAA Fisheries.
- WildTrack — неинвазивный мониторинг дикой природы с помощью технологии идентификации следов.
- Биометрическое распознавание домашних животных — научная статья об использовании распознавания лиц для распознавания собак.
- Отслеживание животных в видеороликах дикой природы с использованием распознавания лиц и Анализ поведения животных в видеороликах дикой природы с использованием обнаружения и отслеживания лиц — пара статей из Бристольского университета об использовании обнаружения лиц для отслеживания и анализа дикой природы.
- LemurFaceID — Академическая статья об использовании функций многомасштабного локального бинарного паттерна для распознавания лемуров.
- Автоматизированное распознавание лиц макак-резусов — Академическая статья об использовании локально-бинарных паттернов в сочетании с локальной дискриминантной классификацией для распознавания макак-резусов.
Я уверен, что скоро будет больше проектов в этом пространстве. Я имею в виду, вы знаете, что это становится популярным, когда NVIDIA пишет об этом в блогах.
Первоначально опубликовано на hypraptive.github.io 13 января 2017 г.